أساسيات الرؤية الحاسوبية المدمجة و TinyML

لم تعد الرؤية الحاسوبية مقتصرة على خوادم السحابة القوية وأجهزة الكمبيوتر المتطورة. مع صعود التعلم الآلي المدمج (embedded machine learning)، يمكنك الآن تشغيل نماذج ذكية للتعرف على الصور مباشرة على المتحكمات الدقيقة (microcontrollers) الصغيرة ومنخفضة الطاقة. يرشدك هذا المساق خلال عملية تصميم وتدريب ونشر نماذج التعلم الآلي المدمجة على الأجهزة ذات الموارد المحدودة، مما يحول الكاميرات البسيطة إلى مستشعرات ذكية. ما ستتعلمه: - فهم المفاهيم الأساسية لمعالجة الصور الرقمية وكيفية تفسير خوارزميات الرؤية الحاسوبية للبيانات المرئية. - استكشاف أساسيات التعلم الآلي المدمج (TinyML) وكيفية تحسين الشبكات العصبية للمتحكمات الدقيقة (microcontrollers). - إعداد وتنظيم مجموعات بيانات صور مخصصة، وتطبيق تقنيات حديثة لزيادة البيانات (data augmentation) لتحسين دقة النموذج. - تدريب نماذج تصنيف الصور واكتشاف الكائنات باستخدام Edge Impulse وتحسينها باستخدام quantization. - نشر النماذج المدربة على منصات مدمجة مثل OpenMV لإجراء استدلال مرئي في الوقت الفعلي على الأجهزة منخفضة الطاقة. - تحليل أداء النموذج، وزمن الوصول (latency)، واستخدام الذاكرة لضمان التنفيذ الفعال على الجهاز. ستبدأ بإتقان النظرية الأساسية للصور الرقمية والشبكات العصبية قبل الانتقال خطوة بخطوة عبر إنشاء مجموعات البيانات، وتدريب النماذج، والتحسين، ونشر الأجهزة. تم تصميم هذا المساق للمبتدئين المهتمين بالأجهزة (hardware)، و IoT، والذكاء الاصطناعي، ولا يتطلب أي خبرة سابقة في التعلم الآلي (machine learning) أو الأنظمة المدمجة (embedded systems). ابدأ القراءة اليوم لسد الفجوة بين الأجهزة والذكاء الاصطناعي.